TEDxPortland
Maurice Conti: The incredible inventions of intuitive AI
Maurice Conti: As incríveis invenções da inteligência artificial intuitiva
Filmed:
Readability: 4.6
6,173,221 views
O que você consegue quando dá um sistema nervoso digital a uma ferramenta de design? Computadores que melhoram nossa habilidade de pensar e imaginar, e sistemas robóticos que conseguem inventar e construir novos designs radicais para pontes, carros, drones e muito mais; tudo por conta própria. Faça um tour na Era da Realidade Aumentada, "Augmented Age", com o futurista Maurice Conti e tenha uma amostra do tempo em que robôs e humanos trabalharão lado a lado para realizar feitos que nenhum deles conseguiria fazer sozinho.
Maurice Conti - Designer, futurist
Maurice Conti explores new partnerships between technology, nature and humanity. Full bio
Maurice Conti explores new partnerships between technology, nature and humanity. Full bio
Double-click the English transcript below to play the video.
00:12
How many of you are creatives,
0
735
2289
Quantos de vocês são criativos:
00:15
designers, engineers,
entrepreneurs, artists,
entrepreneurs, artists,
1
3048
3624
designers, engenheiros,
empreendedores, artistas,
empreendedores, artistas,
00:18
or maybe you just have
a really big imagination?
a really big imagination?
2
6696
2387
ou talvez só tenham
uma imaginação muito grande?
uma imaginação muito grande?
00:21
Show of hands? (Cheers)
3
9107
1848
Levantem as mãos. (Vivas)
00:22
That's most of you.
4
10979
1181
A maioria de vocês.
00:25
I have some news for us creatives.
5
13334
2294
Eu tenho notícias para nós, criativos.
00:28
Over the course of the next 20 years,
6
16714
2573
Durante os próximos 20 anos,
00:33
more will change around
the way we do our work
the way we do our work
7
21471
2973
a maneira como realizamos
nosso trabalho vai mudar mais
nosso trabalho vai mudar mais
00:37
than has happened in the last 2,000.
8
25382
2157
do que mudou nos últimos 2 mil anos.
00:40
In fact, I think we're at the dawn
of a new age in human history.
of a new age in human history.
9
28511
4628
Aliás, acho que estamos no despertar
de uma nova era na história humana.
de uma nova era na história humana.
00:45
Now, there have been four major historical
eras defined by the way we work.
eras defined by the way we work.
10
33645
4761
Houve quatro principais eras históricas
definidas pela nossa forma de trabalho.
definidas pela nossa forma de trabalho.
00:51
The Hunter-Gatherer Age
lasted several million years.
lasted several million years.
11
39404
3275
O período Caçador-Coletor
durou vários milhões de anos.
durou vários milhões de anos.
00:55
And then the Agricultural Age
lasted several thousand years.
lasted several thousand years.
12
43163
3576
E então a era da Agricultura
durou vários milhares de anos.
durou vários milhares de anos.
00:59
The Industrial Age lasted
a couple of centuries.
a couple of centuries.
13
47195
3490
A era Industrial durou alguns séculos.
01:02
And now the Information Age
has lasted just a few decades.
has lasted just a few decades.
14
50709
4287
E agora a era da Informação
durou apenas algumas décadas.
durou apenas algumas décadas.
01:07
And now today, we're on the cusp
of our next great era as a species.
of our next great era as a species.
15
55020
5220
E hoje, estamos à beira
de uma nova grande era como espécie.
de uma nova grande era como espécie.
01:13
Welcome to the Augmented Age.
16
61296
2680
Bem-vindos à era da realidade aumentada.
01:16
In this new era, your natural human
capabilities are going to be augmented
capabilities are going to be augmented
17
64000
3693
Nesta era, suas aptidões
naturais serão ampliadas
naturais serão ampliadas
01:19
by computational systems
that help you think,
that help you think,
18
67717
3068
por sistemas computacionais
que o ajudam a pensar,
que o ajudam a pensar,
01:22
robotic systems that help you make,
19
70809
2186
por sistemas robóticos
que o ajudam a produzir,
que o ajudam a produzir,
01:25
and a digital nervous system
20
73019
1648
e por um sistema nervoso digital
01:26
that connects you to the world
far beyond your natural senses.
far beyond your natural senses.
21
74691
3690
que conecta você ao mundo
muito além dos seus sentidos naturais.
muito além dos seus sentidos naturais.
01:31
Let's start with cognitive augmentation.
22
79437
1942
Vamos começar com a cognição aumentada.
Quantos de vocês são
"ciborgues" melhorados?
"ciborgues" melhorados?
01:33
How many of you are augmented cyborgs?
23
81403
2200
01:36
(Laughter)
24
84133
2650
(Risos)
01:38
I would actually argue
that we're already augmented.
that we're already augmented.
25
86807
2821
Eu, na verdade, defenderia
que nós já somos melhorados.
que nós já somos melhorados.
01:42
Imagine you're at a party,
26
90288
1504
Imagine que você está numa festa
01:43
and somebody asks you a question
that you don't know the answer to.
that you don't know the answer to.
27
91816
3520
e alguém lhe faz uma pergunta
cuja resposta você não sabe.
cuja resposta você não sabe.
01:47
If you have one of these,
in a few seconds, you can know the answer.
in a few seconds, you can know the answer.
28
95360
3760
Se você tiver um destes, em poucos
segundos, você pode saber a resposta.
segundos, você pode saber a resposta.
01:51
But this is just a primitive beginning.
29
99869
2299
Mas esse é só um início primitivo.
01:54
Even Siri is just a passive tool.
30
102863
3331
Até a Siri é só uma ferramenta passiva.
01:58
In fact, for the last
three-and-a-half million years,
three-and-a-half million years,
31
106660
3381
De fato, nos últimos
3 milhões e meio de anos,
3 milhões e meio de anos,
02:02
the tools that we've had
have been completely passive.
have been completely passive.
32
110065
3109
as ferramentas que tivemos
têm sido completamente passivas.
têm sido completamente passivas.
02:06
They do exactly what we tell them
and nothing more.
and nothing more.
33
114203
3655
Elas fazem exatamente aquilo
que lhes dizemos e nada mais.
que lhes dizemos e nada mais.
02:09
Our very first tool only cut
where we struck it.
where we struck it.
34
117882
3101
Nossa ferramenta mais primitiva
só cortava o lugar que acertava.
só cortava o lugar que acertava.
02:13
The chisel only carves
where the artist points it.
where the artist points it.
35
121822
3040
O cinzel só esculpe
onde o artista o posiciona.
onde o artista o posiciona.
02:17
And even our most advanced tools
do nothing without our explicit direction.
do nothing without our explicit direction.
36
125343
5641
Até nossas ferramentas mais avançadas
não fazem nada sem instruções explícitas.
não fazem nada sem instruções explícitas.
02:23
In fact, to date, and this
is something that frustrates me,
is something that frustrates me,
37
131008
3181
Aliás, até hoje, e isso é algo
que me frustra, sempre fomos limitados
que me frustra, sempre fomos limitados
02:26
we've always been limited
38
134213
1448
02:27
by this need to manually
push our wills into our tools --
push our wills into our tools --
39
135685
3501
por essa necessidade de incluir ações
manuais no uso de nossas ferramentas:
manuais no uso de nossas ferramentas:
02:31
like, manual,
literally using our hands,
literally using our hands,
40
139210
2297
manuais mesmo, literalmente usar
nossas mãos, mesmo com computadores.
nossas mãos, mesmo com computadores.
02:33
even with computers.
41
141531
1428
02:36
But I'm more like Scotty in "Star Trek."
42
144072
2463
Mas eu sou mais como o Scotty
em "Jornada nas Estrelas".
em "Jornada nas Estrelas".
02:38
(Laughter)
43
146559
1850
(Risos)
02:40
I want to have a conversation
with a computer.
with a computer.
44
148433
2146
Eu quero conversar com um computador.
02:42
I want to say, "Computer,
let's design a car,"
let's design a car,"
45
150603
2970
Eu quero dizer: "Computador,
vamos projetar um carro".
vamos projetar um carro".
02:45
and the computer shows me a car.
46
153597
1539
O computador me mostra um carro,
02:47
And I say, "No, more fast-looking,
and less German,"
and less German,"
47
155160
2608
e eu digo: "Não, quero
mais veloz e menos alemão".
mais veloz e menos alemão".
02:49
and bang, the computer shows me an option.
48
157792
2163
E pronto, o computador
me mostra uma opção.
me mostra uma opção.
02:51
(Laughter)
49
159979
1865
(Risos)
02:54
That conversation might be
a little ways off,
a little ways off,
50
162208
2306
Essa conversa pode estar
um pouco distante,
um pouco distante,
02:56
probably less than many of us think,
51
164538
2665
provavelmente menos
do que muitos de nós achamos,
do que muitos de nós achamos,
02:59
but right now,
52
167227
1763
mas agora mesmo estamos trabalhando nisso.
03:01
we're working on it.
53
169014
1151
03:02
Tools are making this leap
from being passive to being generative.
from being passive to being generative.
54
170189
4033
As ferramentas estão dando esse salto
de passivas para geradoras.
de passivas para geradoras.
03:06
Generative design tools
use a computer and algorithms
use a computer and algorithms
55
174831
3308
Ferramentas de design generativo
usam um computador e algoritmos
usam um computador e algoritmos
03:10
to synthesize geometry
56
178163
2608
para sintetizar geometria,
03:12
to come up with new designs
all by themselves.
all by themselves.
57
180795
2754
para criar novos projetos,
todos por conta própria.
todos por conta própria.
03:15
All it needs are your goals
and your constraints.
and your constraints.
58
183996
2748
Tudo o que é necessário
são seus objetivos e restrições.
são seus objetivos e restrições.
03:18
I'll give you an example.
59
186768
1408
Vou dar um exemplo.
03:20
In the case of this aerial drone chassis,
60
188200
2788
No caso do chassi desse drone aéreo,
03:23
all you would need to do
is tell it something like,
is tell it something like,
61
191012
2626
tudo o que você precisaria fazer é dizer
algo como: ele tem quatro hélices,
algo como: ele tem quatro hélices,
03:25
it has four propellers,
62
193662
1273
03:26
you want it to be
as lightweight as possible,
as lightweight as possible,
63
194959
2131
deve ser o mais leve possível
e precisa ser aerodinamicamente eficiente.
e precisa ser aerodinamicamente eficiente.
03:29
and you need it to be
aerodynamically efficient.
aerodynamically efficient.
64
197114
2270
Então o que o computador faz
é explorar todo o conjunto de soluções:
é explorar todo o conjunto de soluções:
03:31
Then what the computer does
is it explores the entire solution space:
is it explores the entire solution space:
65
199408
4914
03:36
every single possibility that solves
and meets your criteria --
and meets your criteria --
66
204346
3927
cada uma das possibilidades
que resolve e cumpre seus critérios,
que resolve e cumpre seus critérios,
03:40
millions of them.
67
208297
1442
milhões delas.
03:41
It takes big computers to do this.
68
209763
1975
Fazer isso exige grandes computadores.
03:43
But it comes back to us with designs
69
211762
1955
Mas isso nos retorna projetos que nós,
sozinhos, nunca poderíamos ter imaginado.
sozinhos, nunca poderíamos ter imaginado.
03:45
that we, by ourselves,
never could've imagined.
never could've imagined.
70
213741
3143
03:49
And the computer's coming up
with this stuff all by itself --
with this stuff all by itself --
71
217326
2912
E o computador está inventando
essas coisas sozinho.
essas coisas sozinho.
Ninguém nunca desenhou nada,
03:52
no one ever drew anything,
72
220262
1678
03:53
and it started completely from scratch.
73
221964
2086
e ele começou completamente do zero.
03:57
And by the way, it's no accident
74
225038
2387
E a propósito, não é nenhum acidente
03:59
that the drone body looks just like
the pelvis of a flying squirrel.
the pelvis of a flying squirrel.
75
227449
3481
o corpo do drone se parecer exatamente
com a pélvis de um esquilo voador.
com a pélvis de um esquilo voador.
04:03
(Laughter)
76
231287
2007
(Risos)
04:06
It's because the algorithms
are designed to work
are designed to work
77
234040
2302
É porque os algoritmos são projetados
para agirem da mesma forma que a evolução.
para agirem da mesma forma que a evolução.
04:08
the same way evolution does.
78
236366
1637
04:10
What's exciting is we're starting
to see this technology
to see this technology
79
238715
2660
O empolgante é que estamos começando a ver
essa tecnologia lá fora, no mundo real.
essa tecnologia lá fora, no mundo real.
04:13
out in the real world.
80
241399
1159
04:14
We've been working with Airbus
for a couple of years
for a couple of years
81
242582
2452
Temos trabalhado com a Airbus
por alguns anos
por alguns anos
04:17
on this concept plane for the future.
82
245058
1909
nesse conceito de avião para o futuro.
04:18
It's a ways out still.
83
246991
2070
Ainda está bem distante.
04:21
But just recently we used
a generative-design AI
a generative-design AI
84
249085
3780
Mas, recentemente, usamos design
generativo com inteligência artificial
generativo com inteligência artificial
04:24
to come up with this.
85
252889
1807
para inventar isto.
04:27
This is a 3D-printed cabin partition
that's been designed by a computer.
that's been designed by a computer.
86
255609
5153
Esta é uma divisória de cabine impressa
em 3D projetada por um computador;
em 3D projetada por um computador;
04:32
It's stronger than the original
yet half the weight,
yet half the weight,
87
260786
2824
ela é mais forte que a original,
contudo pesa a metade dela
contudo pesa a metade dela
04:35
and it will be flying
in the Airbus A320 later this year.
in the Airbus A320 later this year.
88
263634
3146
e vai voar no Airbus A320
no fim deste ano.
no fim deste ano.
04:39
So computers can now generate;
89
267405
1559
Computadores já geram coisas.
04:40
they can come up with their own solutions
to our well-defined problems.
to our well-defined problems.
90
268988
4595
Eles podem inventar suas próprias soluções
para problemas bem definidos.
para problemas bem definidos.
04:46
But they're not intuitive.
91
274677
1310
Mas não são intuitivos.
04:48
They still have to start from scratch
every single time,
every single time,
92
276011
3086
Eles ainda precisam
começar do zero toda vez,
começar do zero toda vez,
04:51
and that's because they never learn.
93
279121
2565
e é assim porque eles nunca aprendem.
04:54
Unlike Maggie.
94
282368
1766
Diferente da Maggie.
04:56
(Laughter)
95
284158
1581
(Risos)
04:57
Maggie's actually smarter
than our most advanced design tools.
than our most advanced design tools.
96
285763
3297
Maggie é mais esperta que a maioria
das ferramentas de design mais avançadas.
das ferramentas de design mais avançadas.
05:01
What do I mean by that?
97
289467
1440
O que quero dizer com isso?
05:02
If her owner picks up that leash,
98
290931
1590
Se seu dono pega a guia, Maggie sabe,
com um grau razoável de certeza,
com um grau razoável de certeza,
05:04
Maggie knows with a fair
degree of certainty
degree of certainty
99
292545
2068
que é hora de passear.
05:06
it's time to go for a walk.
100
294637
1404
05:08
And how did she learn?
101
296065
1185
E como ela aprendeu?
05:09
Well, every time the owner picked up
the leash, they went for a walk.
the leash, they went for a walk.
102
297274
3324
Bom, toda vez que o dono
pegou a guia, eles foram passear.
pegou a guia, eles foram passear.
E Maggie fez três coisas:
05:12
And Maggie did three things:
103
300622
1878
05:14
she had to pay attention,
104
302524
1869
ela precisou prestar atenção,
05:16
she had to remember what happened
105
304417
2082
ela precisou se lembrar do que aconteceu,
05:18
and she had to retain and create
a pattern in her mind.
a pattern in her mind.
106
306523
4017
e ela precisou reter e criar
um padrão na cabeça dela.
um padrão na cabeça dela.
05:23
Interestingly, that's exactly what
107
311429
2095
Curiosamente, isso é exatamente
o que cientistas da computação
o que cientistas da computação
05:25
computer scientists
have been trying to get AIs to do
have been trying to get AIs to do
108
313548
2523
têm tentado fazer com IA
nos últimos 60 anos.
nos últimos 60 anos.
05:28
for the last 60 or so years.
109
316095
1859
05:30
Back in 1952,
110
318683
1349
Lá em 1952,
05:32
they built this computer
that could play Tic-Tac-Toe.
that could play Tic-Tac-Toe.
111
320056
3801
construíram esse computador
que conseguia jogar o jogo da velha.
que conseguia jogar o jogo da velha.
Grande coisa.
05:37
Big deal.
112
325081
1160
05:39
Then 45 years later, in 1997,
113
327029
3000
Então 45 anos mais tarde, em 1997,
05:42
Deep Blue beats Kasparov at chess.
114
330053
2472
o Deep Blue vence Kasparov no xadrez.
05:46
2011, Watson beats these two
humans at Jeopardy,
humans at Jeopardy,
115
334046
4968
Em 2011, Watson vence estes dois
humanos no programa de TV "Jeopardy",
humanos no programa de TV "Jeopardy",
05:51
which is much harder for a computer
to play than chess is.
to play than chess is.
116
339038
2928
que é bem mais difícil
para um computador do que xadrez.
para um computador do que xadrez.
05:53
In fact, rather than working
from predefined recipes,
from predefined recipes,
117
341990
3812
De fato, em vez de trabalhar
a partir de fórmulas pré-definidas,
a partir de fórmulas pré-definidas,
05:57
Watson had to use reasoning
to overcome his human opponents.
to overcome his human opponents.
118
345826
3323
Watson tinha que usar a razão
para superar seu oponentes humanos.
para superar seu oponentes humanos.
06:02
And then a couple of weeks ago,
119
350393
2439
E algumas semanas atrás,
06:04
DeepMind's AlphaGo beats
the world's best human at Go,
the world's best human at Go,
120
352856
4262
o AlphaGo, desenvolvido pela DeepMind,
venceu o melhor ser humano no jogo "Go",
venceu o melhor ser humano no jogo "Go",
06:09
which is the most difficult
game that we have.
game that we have.
121
357142
2212
o jogo mais difícil que temos.
Aliás, há mais jogadas possíveis no Go
06:11
In fact, in Go, there are more
possible moves
possible moves
122
359378
2896
06:14
than there are atoms in the universe.
123
362298
2024
do que átomos no universo.
06:18
So in order to win,
124
366210
1826
Dessa forma, a fim de ganhar,
06:20
what AlphaGo had to do
was develop intuition.
was develop intuition.
125
368060
2618
o que o AlphaGo tinha que fazer
era desenvolver a intuição.
era desenvolver a intuição.
06:23
And in fact, at some points,
AlphaGo's programmers didn't understand
AlphaGo's programmers didn't understand
126
371098
4110
E, de fato, em alguns pontos,
os programadores do AlphaGo não entendiam
por que o AlphaGo fazia o que fazia.
por que o AlphaGo fazia o que fazia.
06:27
why AlphaGo was doing what it was doing.
127
375232
2286
06:31
And things are moving really fast.
128
379451
1660
As coisas estão avançando muito.
06:33
I mean, consider --
in the space of a human lifetime,
in the space of a human lifetime,
129
381135
3227
Quero dizer, considere que,
no espaço de uma vida humana,
no espaço de uma vida humana,
06:36
computers have gone from a child's game
130
384386
2233
os computadores passaram
de um jogo de criança,
de um jogo de criança,
06:39
to what's recognized as the pinnacle
of strategic thought.
of strategic thought.
131
387920
3048
para o que é reconhecido como
o auge do pensamento estratégico.
o auge do pensamento estratégico.
06:43
What's basically happening
132
391999
2417
Basicamente, o que está acontecendo
06:46
is computers are going
from being like Spock
from being like Spock
133
394440
3310
é que os computadores estão
deixando de ser como o Spock
deixando de ser como o Spock
06:49
to being a lot more like Kirk.
134
397774
1949
para ser muito mais como o Kirk.
06:51
(Laughter)
135
399747
3618
(Risos)
06:55
Right? From pure logic to intuition.
136
403389
3424
Certo? Da lógica pura para a intuição.
07:00
Would you cross this bridge?
137
408184
1743
Você atravessaria essa ponte?
07:02
Most of you are saying, "Oh, hell no!"
138
410609
2323
A maioria está dizendo: "De jeito nenhum!"
07:04
(Laughter)
139
412956
1308
(Risos)
07:06
And you arrived at that decision
in a split second.
in a split second.
140
414288
2657
E vocês tomaram essa decisão
em uma fração de segundo.
em uma fração de segundo.
07:08
You just sort of knew
that bridge was unsafe.
that bridge was unsafe.
141
416969
2428
Simplesmente sabiam
que aquela ponte era perigosa.
que aquela ponte era perigosa.
07:11
And that's exactly the kind of intuition
142
419421
1989
E é exatamente esse tipo de intuição
07:13
that our deep-learning systems
are starting to develop right now.
are starting to develop right now.
143
421434
3568
que os sistemas de profunda aprendizagem
começam a desenvolver agora.
começam a desenvolver agora.
07:17
Very soon, you'll literally be able
144
425722
1707
Muito em breve, você poderá literalmente
07:19
to show something you've made,
you've designed,
you've designed,
145
427453
2206
mostrar a um computador
algo que você fez, projetou,
algo que você fez, projetou,
07:21
to a computer,
146
429683
1153
e ele olhará e dirá:
07:22
and it will look at it and say,
147
430860
1489
"Desculpa, cara, isso nunca vai
funcionar. Tente de novo".
funcionar. Tente de novo".
07:24
"Sorry, homie, that'll never work.
You have to try again."
You have to try again."
148
432373
2823
07:27
Or you could ask it if people
are going to like your next song,
are going to like your next song,
149
435854
3070
Ou você poderia perguntar
se vão gostar da sua nova música,
se vão gostar da sua nova música,
07:31
or your next flavor of ice cream.
150
439773
2063
ou do seu novo sabor de sorvete.
07:35
Or, much more importantly,
151
443549
2579
Ou, muito mais importante, você
poderia trabalhar com um computador
poderia trabalhar com um computador
07:38
you could work with a computer
to solve a problem
to solve a problem
152
446152
2364
para resolver um problema
que nunca enfrentamos antes.
que nunca enfrentamos antes.
07:40
that we've never faced before.
153
448540
1637
Por exemplo: mudanças climáticas.
Não temos feito um bom trabalho sozinhos.
Não temos feito um bom trabalho sozinhos.
07:42
For instance, climate change.
154
450201
1401
07:43
We're not doing a very
good job on our own,
good job on our own,
155
451626
2020
Certamente poderíamos
usar toda ajuda possível.
usar toda ajuda possível.
07:45
we could certainly use
all the help we can get.
all the help we can get.
156
453670
2245
07:47
That's what I'm talking about,
157
455939
1458
É disso que estou falando, da tecnologia
amplificando nossas habilidades cognitivas
amplificando nossas habilidades cognitivas
07:49
technology amplifying
our cognitive abilities
our cognitive abilities
158
457421
2555
07:52
so we can imagine and design things
that were simply out of our reach
that were simply out of our reach
159
460000
3552
de forma que possamos imaginar
e projetar coisas fora do nosso alcance
e projetar coisas fora do nosso alcance
07:55
as plain old un-augmented humans.
160
463576
2559
como simples e velhos
seres humanos não melhorados.
seres humanos não melhorados.
07:59
So what about making
all of this crazy new stuff
all of this crazy new stuff
161
467984
2941
Então que tal fazer todas
essas novas coisas doidas
essas novas coisas doidas
08:02
that we're going to invent and design?
162
470949
2441
que vamos inventar e projetar?
08:05
I think the era of human augmentation
is as much about the physical world
is as much about the physical world
163
473952
4093
Eu acho que a era do melhoramento
humano é tanto sobre o mundo físico
humano é tanto sobre o mundo físico
08:10
as it is about the virtual,
intellectual realm.
intellectual realm.
164
478069
3065
quanto é sobre o virtual,
o domínio intelectual.
o domínio intelectual.
08:13
How will technology augment us?
165
481833
1921
Como a tecnologia vai nos melhorar?
08:16
In the physical world, robotic systems.
166
484261
2473
No mundo físico, sistemas robóticos.
08:19
OK, there's certainly a fear
167
487620
1736
Certamente existe o medo de que os robôs
tomem o trabalho dos seres humanos,
tomem o trabalho dos seres humanos,
08:21
that robots are going to take
jobs away from humans,
jobs away from humans,
168
489380
2488
e isso é verdade em alguns setores.
08:23
and that is true in certain sectors.
169
491892
1830
08:26
But I'm much more interested in this idea
170
494174
2878
Mas estou muito mais interessado na ideia
08:29
that humans and robots working together
are going to augment each other,
are going to augment each other,
171
497076
5010
de que humanos e robôs trabalhando
juntos vão melhorar uns aos outros
juntos vão melhorar uns aos outros
08:34
and start to inhabit a new space.
172
502110
2058
e começar a ocupar um novo espaço.
Este é nosso laboratório
de pesquisa aplicada, em São Francisco,
de pesquisa aplicada, em São Francisco,
08:36
This is our applied research lab
in San Francisco,
in San Francisco,
173
504192
2362
08:38
where one of our areas of focus
is advanced robotics,
is advanced robotics,
174
506578
3142
no qual uma das áreas de foco
é a robótica avançada.
é a robótica avançada.
Especificamente, colaboração humano-robô.
08:41
specifically, human-robot collaboration.
175
509744
2511
08:45
And this is Bishop, one of our robots.
176
513034
2759
E este é o Bishop, um de nossos robôs.
08:47
As an experiment, we set it up
177
515817
1789
Em um experimento, nós o preparamos
08:49
to help a person working in construction
doing repetitive tasks --
doing repetitive tasks --
178
517630
3460
para ajudar uma pessoa a executar tarefas
repetitivas na construção civil;
repetitivas na construção civil;
08:53
tasks like cutting out holes for outlets
or light switches in drywall.
or light switches in drywall.
179
521984
4194
tarefas como fazer buracos para tomadas
ou interruptores em placas de reboco.
ou interruptores em placas de reboco.
08:58
(Laughter)
180
526202
2466
(Risos)
09:01
So, Bishop's human partner
can tell what to do in plain English
can tell what to do in plain English
181
529877
3111
O parceiro humano de Bishop diz a ele
o que fazer em inglês simples
o que fazer em inglês simples
09:05
and with simple gestures,
182
533012
1305
e com gestos simples,
como se falasse com um cachorro.
como se falasse com um cachorro.
09:06
kind of like talking to a dog,
183
534341
1447
09:07
and then Bishop executes
on those instructions
on those instructions
184
535812
2143
E então Bishop executa as instruções
com perfeita precisão.
com perfeita precisão.
09:09
with perfect precision.
185
537979
1892
09:11
We're using the human
for what the human is good at:
for what the human is good at:
186
539895
2989
Estamos usando o ser humano
para aquilo em que ele é bom:
para aquilo em que ele é bom:
consciência, percepção
e tomada de decisões.
e tomada de decisões.
09:14
awareness, perception and decision making.
187
542908
2333
E estamos usando o robô
para aquilo em que ele é bom:
para aquilo em que ele é bom:
09:17
And we're using the robot
for what it's good at:
for what it's good at:
188
545265
2240
precisão e repetitividade.
09:19
precision and repetitiveness.
189
547529
1748
09:22
Here's another cool project
that Bishop worked on.
that Bishop worked on.
190
550252
2367
Aqui outro projeto legal
em que Bishop trabalhou.
em que Bishop trabalhou.
09:24
The goal of this project,
which we called the HIVE,
which we called the HIVE,
191
552643
3075
O objetivo deste projeto,
que chamamos de HIVE, colmeia,
que chamamos de HIVE, colmeia,
era fazer um protótipo da experiência
de humanos, computadores e robôs
de humanos, computadores e robôs
09:27
was to prototype the experience
of humans, computers and robots
of humans, computers and robots
192
555742
3851
09:31
all working together to solve
a highly complex design problem.
a highly complex design problem.
193
559617
3220
trabalhando juntos para resolver
um problema de alta complexidade.
um problema de alta complexidade.
09:35
The humans acted as labor.
194
563793
1451
Os humanos foram a mão de obra.
09:37
They cruised around the construction site,
they manipulated the bamboo --
they manipulated the bamboo --
195
565268
3473
Eles andaram pelo local da obra,
manipularam o bambu,
manipularam o bambu,
que, a propósito, por ser
um material não isomórfico,
um material não isomórfico,
09:40
which, by the way,
because it's a non-isomorphic material,
because it's a non-isomorphic material,
196
568765
2756
é muito difícil para robôs trabalharem.
09:43
is super hard for robots to deal with.
197
571545
1874
Mas então os robôs enrolaram essas fibras,
09:45
But then the robots
did this fiber winding,
did this fiber winding,
198
573443
2022
o que é quase impossível
de um ser humano fazer.
de um ser humano fazer.
09:47
which was almost impossible
for a human to do.
for a human to do.
199
575489
2451
E tínhamos a inteligência
artificial controlando tudo.
artificial controlando tudo.
09:49
And then we had an AI
that was controlling everything.
that was controlling everything.
200
577964
3621
09:53
It was telling the humans what to do,
telling the robots what to do
telling the robots what to do
201
581609
3290
Ela dizia aos humanos
e aos robôs o que fazer,
e aos robôs o que fazer,
09:56
and keeping track of thousands
of individual components.
of individual components.
202
584923
2915
e monitorava milhares
de componentes individuais.
de componentes individuais.
09:59
What's interesting is,
203
587862
1180
O interessante é que construir esse
pavilhão simplesmente não seria possível
pavilhão simplesmente não seria possível
10:01
building this pavilion
was simply not possible
was simply not possible
204
589066
3141
10:04
without human, robot and AI
augmenting each other.
augmenting each other.
205
592231
4524
sem seres humanos, robôs
e IA melhorando uns aos outros.
e IA melhorando uns aos outros.
10:09
OK, I'll share one more project.
This one's a little bit crazy.
This one's a little bit crazy.
206
597890
3320
Vou compartilhar mais um projeto.
Este é um pouco maluco.
Este é um pouco maluco.
10:13
We're working with Amsterdam-based artist
Joris Laarman and his team at MX3D
Joris Laarman and his team at MX3D
207
601234
4468
Estávamos trabalhando com o artista
holandês Joris Laarman e seu time no MX3D
holandês Joris Laarman e seu time no MX3D
10:17
to generatively design
and robotically print
and robotically print
208
605726
2878
para projetar generativamente
e reproduzir roboticamente
e reproduzir roboticamente
10:20
the world's first autonomously
manufactured bridge.
manufactured bridge.
209
608628
2995
a primeira ponte fabricada
de forma autônoma no mundo.
de forma autônoma no mundo.
10:24
So, Joris and an AI are designing
this thing right now, as we speak,
this thing right now, as we speak,
210
612315
3685
Joris e uma inteligência artificial estão
projetando isso agora mesmo, em Amsterdã.
projetando isso agora mesmo, em Amsterdã.
10:28
in Amsterdam.
211
616024
1172
E quando tiverem terminado,
vamos apertar o botão de partida
vamos apertar o botão de partida
10:29
And when they're done,
we're going to hit "Go,"
we're going to hit "Go,"
212
617220
2321
10:31
and robots will start 3D printing
in stainless steel,
in stainless steel,
213
619565
3311
e os robôs vão começar
uma impressão 3D em aço indoxidável.
uma impressão 3D em aço indoxidável.
10:34
and then they're going to keep printing,
without human intervention,
without human intervention,
214
622900
3283
E então vão continuar a imprimir,
sem intervenção humana,
sem intervenção humana,
10:38
until the bridge is finished.
215
626207
1558
até que a ponte esteja pronta.
10:41
So, as computers are going
to augment our ability
to augment our ability
216
629099
2928
Dessa forma, os computadores
vão ampliar nossa habilidade
vão ampliar nossa habilidade
10:44
to imagine and design new stuff,
217
632051
2150
de imaginar e projetar novas coisas.
10:46
robotic systems are going to help us
build and make things
build and make things
218
634225
2895
Sistemas robóticos vão nos ajudar
a construir e criar coisas
a construir e criar coisas
10:49
that we've never been able to make before.
219
637144
2084
que nunca pudemos fazer antes.
10:52
But what about our ability
to sense and control these things?
to sense and control these things?
220
640347
4160
Mas e nossa habilidade de sentir
e controlar essas coisas?
e controlar essas coisas?
10:56
What about a nervous system
for the things that we make?
for the things that we make?
221
644531
4031
Que tal um sistema nervoso
para aquilo que criamos?
para aquilo que criamos?
11:00
Our nervous system,
the human nervous system,
the human nervous system,
222
648586
2512
Nosso sistema nervoso,
o sistema nervoso humano,
o sistema nervoso humano,
11:03
tells us everything
that's going on around us.
that's going on around us.
223
651122
2311
nos diz tudo que está
acontecendo ao nosso redor.
acontecendo ao nosso redor.
11:06
But the nervous system of the things
we make is rudimentary at best.
we make is rudimentary at best.
224
654186
3684
Mas o sistema nervoso das coisas
que criamos é, no máximo, rudimentar.
que criamos é, no máximo, rudimentar.
11:09
For instance, a car doesn't tell
the city's public works department
the city's public works department
225
657894
3563
Por exemplo, um carro não conta
ao departamento de obras de uma cidade
ao departamento de obras de uma cidade
11:13
that it just hit a pothole at the corner
of Broadway and Morrison.
of Broadway and Morrison.
226
661481
3130
que acabou de atingir um buraco
entre a Broadway e Morrison.
entre a Broadway e Morrison.
11:16
A building doesn't tell its designers
227
664635
2032
Um prédio não conta a seus designers
11:18
whether or not the people inside
like being there,
like being there,
228
666691
2684
se as pessoas que vivem lá
gostam de estar lá ou não.
gostam de estar lá ou não.
11:21
and the toy manufacturer doesn't know
229
669399
3010
E o fabricante de brinquedos não sabe
11:24
if a toy is actually being played with --
230
672433
2007
se estão mesmo brincando com um brinquedo,
11:26
how and where and whether
or not it's any fun.
or not it's any fun.
231
674464
2539
como, onde e se é divertido ou não.
11:29
Look, I'm sure that the designers
imagined this lifestyle for Barbie
imagined this lifestyle for Barbie
232
677620
3814
Estou certo de que os designers imaginaram
este estilo de vida para a Barbie,
este estilo de vida para a Barbie,
11:33
when they designed her.
233
681458
1224
quando a projetaram.
11:34
(Laughter)
234
682706
1447
(Risos)
11:36
But what if it turns out that Barbie's
actually really lonely?
actually really lonely?
235
684177
2906
Mas e se, na verdade,
a Barbie for muito solitária?
a Barbie for muito solitária?
11:39
(Laughter)
236
687107
3147
(Risos)
11:43
If the designers had known
237
691266
1288
Se os designers soubessem o que de fato
acontece no mundo real com seus projetos,
acontece no mundo real com seus projetos,
11:44
what was really happening
in the real world
in the real world
238
692578
2107
11:46
with their designs -- the road,
the building, Barbie --
the building, Barbie --
239
694709
2583
a rua, o prédio, a Barbie,
poderiam usar essa informação para criar
uma experiência melhor para o usuário.
uma experiência melhor para o usuário.
11:49
they could've used that knowledge
to create an experience
to create an experience
240
697316
2694
11:52
that was better for the user.
241
700034
1400
O que falta é um sistema nervoso
11:53
What's missing is a nervous system
242
701458
1791
11:55
connecting us to all of the things
that we design, make and use.
that we design, make and use.
243
703273
3709
nos conectando a todas as coisas
que projetamos, fazemos e usamos.
que projetamos, fazemos e usamos.
11:59
What if all of you had that kind
of information flowing to you
of information flowing to you
244
707915
3555
Mas e se cada um de vocês tivesse
esse tipo de informação fluindo até você
esse tipo de informação fluindo até você
12:03
from the things you create
in the real world?
in the real world?
245
711494
2183
a partir das coisas
que você cria no mundo real?
que você cria no mundo real?
12:07
With all of the stuff we make,
246
715432
1451
Com tudo o que fazemos, gastamos
uma enorme quantia de dinheiro e energia.
uma enorme quantia de dinheiro e energia.
12:08
we spend a tremendous amount
of money and energy --
of money and energy --
247
716907
2435
Aliás, ano passado, foram gastos
cerca de US$ 2 trilhões
cerca de US$ 2 trilhões
12:11
in fact, last year,
about two trillion dollars --
about two trillion dollars --
248
719366
2376
para convencer pessoas
a comprar as coisas que produzimos.
a comprar as coisas que produzimos.
12:13
convincing people to buy
the things we've made.
the things we've made.
249
721766
2854
12:16
But if you had this connection
to the things that you design and create
to the things that you design and create
250
724644
3388
Mas se você tivesse essa conexão
com as coisas que projetou e criou
com as coisas que projetou e criou
depois que elas estão no mundo real,
12:20
after they're out in the real world,
251
728056
1727
depois que foram vendidas ou lançadas,
12:21
after they've been sold
or launched or whatever,
or launched or whatever,
252
729807
3614
12:25
we could actually change that,
253
733445
1620
poderíamos de fato mudar isso
12:27
and go from making people want our stuff,
254
735089
3047
e passar de "fazer as pessoas
quererem comprar nossas coisas"
quererem comprar nossas coisas"
12:30
to just making stuff that people
want in the first place.
want in the first place.
255
738160
3434
para "fazer coisas que as pessoas querem".
12:33
The good news is, we're working
on digital nervous systems
on digital nervous systems
256
741618
2787
A notícia boa é que temos trabalhado
em sistemas nervosos digitais,
em sistemas nervosos digitais,
12:36
that connect us to the things we design.
257
744429
2801
que nos conectam àquilo que projetamos.
12:40
We're working on one project
258
748365
1627
Estamos trabalhando num projeto
12:42
with a couple of guys down in Los Angeles
called the Bandito Brothers
called the Bandito Brothers
259
750016
3712
com dois caras em Los Angeles,
chamados de "Bandito Brothers",
chamados de "Bandito Brothers",
12:45
and their team.
260
753752
1407
e o time deles.
12:47
And one of the things these guys do
is build insane cars
is build insane cars
261
755183
3433
E uma das coisas que esses caras
fazem é construir carros insanos
fazem é construir carros insanos
12:50
that do absolutely insane things.
262
758640
2873
que fazem coisas absolutamente doidas.
12:54
These guys are crazy --
263
762905
1450
Esses caras são loucos...
12:56
(Laughter)
264
764379
1036
(Risos)
12:57
in the best way.
265
765439
1403
da melhor maneira.
13:00
And what we're doing with them
266
768993
1763
E o que estamos fazendo com eles
13:02
is taking a traditional race-car chassis
267
770780
2440
é pegar um chassi
tradicional de carros de corrida
tradicional de carros de corrida
13:05
and giving it a nervous system.
268
773244
1585
e dar a ele um sistema nervoso.
13:06
So we instrumented it
with dozens of sensors,
with dozens of sensors,
269
774853
3058
Então o instrumentalizamos
com dezenas de sensores,
com dezenas de sensores,
13:09
put a world-class driver behind the wheel,
270
777935
2635
colocamos um motorista
de nível mundial atrás do volante
de nível mundial atrás do volante
13:12
took it out to the desert
and drove the hell out of it for a week.
and drove the hell out of it for a week.
271
780594
3357
e o levamos ao deserto para dirigir
pra caramba por uma semana.
pra caramba por uma semana.
13:15
And the car's nervous system
captured everything
captured everything
272
783975
2491
O sistema nervoso do carro capturou
tudo o que estava acontecendo.
tudo o que estava acontecendo.
13:18
that was happening to the car.
273
786490
1482
Capturamos 4 bilhões de pontos de dados
13:19
We captured four billion data points;
274
787996
2621
13:22
all of the forces
that it was subjected to.
that it was subjected to.
275
790641
2310
e todas as forças a que estava submetido.
13:24
And then we did something crazy.
276
792975
1659
E aí fizemos algo louco.
13:27
We took all of that data,
277
795268
1500
Pegamos todas essas informações
e conectamos a um gerador de projeto
com IA chamado "Dreamcatcher".
com IA chamado "Dreamcatcher".
13:28
and plugged it into a generative-design AI
we call "Dreamcatcher."
we call "Dreamcatcher."
278
796792
3736
13:33
So what do get when you give
a design tool a nervous system,
a design tool a nervous system,
279
801270
3964
O que você consegue quando dá um sistema
nervoso a uma ferramenta de projeto
nervoso a uma ferramenta de projeto
13:37
and you ask it to build you
the ultimate car chassis?
the ultimate car chassis?
280
805258
2882
e pede para ela construir o melhor
chassi de carro possível?
chassi de carro possível?
13:40
You get this.
281
808723
1973
Você consegue isto.
13:44
This is something that a human
could never have designed.
could never have designed.
282
812293
3713
Isto é algo que um ser humano
nunca poderia ter projetado.
nunca poderia ter projetado.
13:48
Except a human did design this,
283
816707
1888
Salvo que um humano projetou isso,
13:50
but it was a human that was augmented
by a generative-design AI,
by a generative-design AI,
284
818619
4309
mas era um humano aprimorado
por design generativo com IA,
por design generativo com IA,
um sistema nervoso digital,
13:54
a digital nervous system
285
822952
1231
13:56
and robots that can actually
fabricate something like this.
fabricate something like this.
286
824207
3005
e robôs que, de fato,
conseguem fabricar algo como isso.
conseguem fabricar algo como isso.
13:59
So if this is the future,
the Augmented Age,
the Augmented Age,
287
827680
3595
Então se esse é o futuro,
a era da realidade aumentada,
a era da realidade aumentada,
14:03
and we're going to be augmented
cognitively, physically and perceptually,
cognitively, physically and perceptually,
288
831299
4261
e nós vamos ser melhorados
de forma cognitiva, física e perceptiva,
de forma cognitiva, física e perceptiva,
14:07
what will that look like?
289
835584
1408
como vai se parecer isso?
14:09
What is this wonderland going to be like?
290
837576
3321
Como vai ser essa terra das maravilhas?
14:12
I think we're going to see a world
291
840921
1709
Eu acho que veremos um mundo
14:14
where we're moving
from things that are fabricated
from things that are fabricated
292
842654
3068
onde estaremos passando
de coisas que são fabricadas
de coisas que são fabricadas
14:17
to things that are farmed.
293
845746
1445
para coisas cultivadas.
14:20
Where we're moving from things
that are constructed
that are constructed
294
848159
3453
Estamos passando de coisas construídas
14:23
to that which is grown.
295
851636
1704
para coisas que crescem.
14:26
We're going to move from being isolated
296
854134
2188
Vamos passar de isolados
14:28
to being connected.
297
856346
1610
para conectados.
14:30
And we'll move away from extraction
298
858634
2411
E vamos nos afastar da extração
14:33
to embrace aggregation.
299
861069
1873
para adotar a agregação.
14:35
I also think we'll shift
from craving obedience from our things
from craving obedience from our things
300
863967
3767
Também acho que vamos deixar de ansiar
a obediência das nossas coisas
a obediência das nossas coisas
14:39
to valuing autonomy.
301
867758
1641
para valorizar a autonomia.
14:42
Thanks to our augmented capabilities,
302
870510
1905
Graças a nossas capacidades ampliadas
14:44
our world is going to change dramatically.
303
872439
2377
nosso mundo vai mudar dramaticamente.
14:47
We're going to have a world
with more variety, more connectedness,
with more variety, more connectedness,
304
875576
3246
Vamos ter um mundo com mais variedade,
mais conectividade,
dinamismo e complexidade,
dinamismo e complexidade,
14:50
more dynamism, more complexity,
305
878846
2287
14:53
more adaptability and, of course,
306
881157
2318
mais adaptabilidade e, certamente,
14:55
more beauty.
307
883499
1217
mais beleza.
14:57
The shape of things to come
308
885231
1564
O formato das coisas que virão será
diferente de qualquer coisa já vista.
diferente de qualquer coisa já vista.
14:58
will be unlike anything
we've ever seen before.
we've ever seen before.
309
886819
2290
15:01
Why?
310
889133
1159
Por quê? Porque o que vai moldar
essas coisas é essa nova parceria
essas coisas é essa nova parceria
15:02
Because what will be shaping those things
is this new partnership
is this new partnership
311
890316
3755
15:06
between technology, nature and humanity.
312
894095
3670
entre tecnologia, natureza e humanidade.
15:11
That, to me, is a future
well worth looking forward to.
well worth looking forward to.
313
899279
3804
Isso, para mim, é um futuro
pelo qual vale a pena esperar.
pelo qual vale a pena esperar.
15:15
Thank you all so much.
314
903107
1271
Muito obrigado a todos.
15:16
(Applause)
315
904402
5669
(Aplausos)
ABOUT THE SPEAKER
Maurice Conti - Designer, futuristMaurice Conti explores new partnerships between technology, nature and humanity.
Why you should listen
Maurice Conti is a designer, futurist and innovator. He's worked with startups, government agencies, artists and corporations to explore the things that will matter to us in the future, and to design solutions to get us there.
Conti is currently Chief Innovation Officer at Alpha -- Europe's first moonshot factory, powered by Telefónica. Conti and his team are responsible for coming up with the ideas, prototypes and proofs of concepts that will go on to become full-blown moonshots at Alpha: projects that will affect 100 million people or more, be a force for good on the planet and grow into billion-euro businesses.
Previously, Conti was Director of Applied Research & Innovation at Autodesk where built and led Autodesk's Applied Research Lab. Conti's work focuses on applied machine learning, advanced robotics, augmented and virtual realities, and the future of work, cities and mobility.
Conti is also an explorer of geographies and cultures. He has circumnavigated the globe once and been half-way around twice. In 2009 he was awarded the Medal for Exceptional Bravery at Sea by the United Nations, the New Zealand Bravery Medal and a US Coast Guard Citation for Bravery for risking his own life to save three shipwrecked sailors.
Conti lives in Barcelona, Spain, and travels around the world speaking to groups about innovation, technology trends, the future, and high adventure.
Maurice Conti | Speaker | TED.com